Работа посвящена разработке метода генерации гетерогенных табличных данных на основе аппарата мостов Шрёдингера. В отличие от классических диффузионных моделей, в данном подходе для аппроксимации функций дрейфа используются градиентный бустинг (GBDT), что позволяет эффективнее учитывать нелинейные зависимости в табличных признаках. Предложенный метод обеспечивает высокую стабильность обучения и точное сохранение глобальной структуры корреляций. Экспериментальная оценка на наборах данных OpenML подтверждает преимущество подхода по метрикам статистического сходства и превосходство над классическими GAN-архитектурами в задачах сохранения зависимостей между признаками

Карташов И.О., Лопатин И.А. (науч. рук. Деева И.Ю.) Генерация гетерогенных табличных данных на основе мостов шрёдингера с использованием gbdt-аппроксиматоров // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/16577